计算摄影综述

随着计算机、传感器等先进技术的发展,一种新的摄影技术——计算摄影逐渐形成。计算摄影是利用计算机软件方法结合现代传感器及现代光学等技术创造出新型摄影设备以及相关应用的综合技术,它突破了传统数码摄影技术难以解决的种种难题,成为摄影技术的又一次新的变革。为加深对计算摄影研究领域的了解,从计算场景、计算光学、计算传感器以及计算处理四个方面介绍了计算摄影研究的热点问题,总结了计算摄影存在的问题及其发展趋势。     

源于现实，超越现实说说HDR摄影

HDRI,高动态范围影像,通常被简化为HDR。对场景按不同曝光值进行多次曝光,捕捉到该场景的所有动态范围,再通过HDR软件进行处理,便得到一幅相似于人眼所见的该场景其高光和阴影部分的细节一览无余。     

2009年相机趋势 数码颠覆摄影

更好的传感器84全画幅即将普及86扩展的动态范围87便携相机和数码单反都玩高清视频88广角越来越流行89更大和更快的存储介质902000元的数码单反91更好的传感器很多最新的数码相机能做到的,都是原来使用传统银盐胶片时不可想象的。你曾经见过ISO25600的传统胶片吗?     

基于相机阵列的高动态范围图像合成方法

针对传统的高动态范围图像合成方法不能适应动态光照的问题, 提出了基于相机阵列的不同曝光的多幅图像的配准及高动态范围图像合成方法。首先利用相机阵列获取不同曝光图像, 结合相机阵列标定参数, 采用光场合成孔径理论对图像进行配准, 并对配准后的图像作中值位图进行二次配准。根据拟合出的各相机的光照响应曲线, 进而将二次配准后的不同曝光的图像合成为一幅高动态范围图像。实验表明, 该方法可以有效地在动态光照下合成高动态范围图像, 取得了不错的效果。     

计算成像前沿进展

计算成像是融合光学硬件、图像传感器和算法软件于一体的新一代成像技术,突破了传统成像技术信息获取深度(高动态范围、低照度)、广度(光谱、光场、3维)的瓶颈。本文以计算成像的新设计方法、新算法和应用场景为主线,通过综合国内外文献和相关报道来梳理该领域的主要进展。从端到端光学算法联合设计、高动态范围成像、光场成像、光谱成像、无透镜成像、低照度成像、3维成像和计算摄影等研究方向,重点论述计算成像领域的发展现状、前沿动态、热点问题和趋势。端到端光学算法联合设计包括了可微的衍射光学模型、折射光学模型以及基于可微光线追踪的复杂透镜的模型。高动态范围光学成像从原理到光学调制、多次曝光、多传感器融合以及算法等层面阐述不同方法的优点与缺点以及产业应用。光场成像阐述了基于光场的3维重建技术在超分辨、深度估计和3维尺寸测量等方面国内外的研究进展和产业应用,以及光场在粒子测速及3维火焰重构领域的研究进展。光谱成像阐述了当前多通道滤光片,基于深度学习和波长响应曲线求逆问题,以及衍射光栅、多路复用和超表面等优化实现高光谱的获取。无透镜成像包括平面光学元件的设计和优化,以及图像的高质量重建算法。低照度成像包括低照度情...     

交会对接航天员训练电视图像实时高动态范围渲染

应用基于人眼视觉系统的高动态范围实时渲染技术处理交会对接仿真场景,可以为航天员手控交会对接训练提供高逼真度的电视图像.文中结合交会对接电视图像的特点,分析了交会对接航天员训练电视图像高动态范围实时渲染的关键技术;根据两航天器相对距离,将交会对接过程分为远、中和近3个距离段,采用S-curve算法、自适应对数算法和Reinhard算法分别对每个距离段进行调和映射处理;改进了自适应对数算法和Reinhard算法,并基于GPU处理技术实现仿真电视图像的实时显示.实验结果表明,采用基于距离变化调整调和映射算法的方法处理交会对接仿真电视图像可以高逼真地模拟实录视频场景,为航天员手控交会对接训练提供了视景支持.     

在光线复杂的场景下准确曝光——学摄影之菜菜篇（三）

周末，又到了上课时间，这次菜菜同学一进门，就拿出数码相机的存储卡直奔书房内电脑处，难道菜菜是来炫耀他新拍的美女？     

高动态范围图像色调映射技术与算法

高动态范围成像技术(High Dynamic Range Imaging)技术近年来在工业图像处理、机器视觉、三维数字娱乐等领域获得了广泛的应用。作为一种增强型的数字图像获取技术,高动态图像(HDR)在全局照明、真实感绘制方面具有不可替代优势。     

边缘计算: 现状与展望

近年来,信息技术的不断变革伴随数据量的急剧爆发,使主流的云计算解决方案面临实时性差、带宽受限、高能耗、维护费用高、隐私安全等问题. 边缘智能的出现与快速发展有效缓解了此类问题,它将用户需求处理下沉到边缘,避免了海量数据在网络中的流动,得到越来越多的关注. 由于边缘计算中资源性能普遍较低,通过资源实现协同推理正成为热点.通过对边缘智能发展的趋势分析,得出边缘协同推理目前仍处于增长期,还未进入稳定发展期. 因此,在对边缘协同推理进行充分调研的基础上,将边缘协同推理划分为智能化方法与协同推理架构2个部分,分别对其中涉及到的关键技术进行纵向归纳整理,并从动态场景角度出发,对每种关键技术进行深入分析,对不同关键技术进行横向比较以及适用场景分析.最后对动态场景下的边缘协同推理给出值得研究的若干发展方向.

     

高分辨率与高动态范围图像联合重建研究进展

超分辨率复原技术的目标是提高图像的空间分辨率,而高动态范围(HDR,high dynamic range)图像合成技术能够增强图像表达高对比度场景的能力。将两者结合起来进行高分辨率和高动态范围图像联合重建的研究,对高质量图像信息的获取具有重要的意义,可满足广泛的多媒体应用的需求。对高分辨率与高动态范围图像联合重建研究进展进行梳理,分析其基本思想的产生、发展以及存在的难点,并进一步提出在基于学习的框架内进行联合重建的思路。     

Exposure Fusion: A Simple and Practical Alternative to High Dynamic Range Photography

We propose a technique for fusing a bracketed exposure sequence into a high quality image, without converting to High dynamic range (HDR) first. Skipping the physically based HDR assembly step simplifies the acquisition pipeline. This avoids camera response curve calibration and is computationally efficient. It also allows for including flash images in the sequence. Our technique blends multiple exposures, guided by simple quality measures like saturation and contrast. This is done in a multiresolution fashion to account for the brightness variation in the sequence. The resulting image quality is comparable to existing tone mapping operators.     

计算摄像学:核心、方法与应用

针对现有计算机视觉、图形学、信号处理、数字图像处理、应用光学等领域无法通过现有成像模型与装置及计算方法获取足够目标场景信息的难题,计算摄像学研究提出新的成像机制与对应的计算重构方法,在光信号观测领域另辟蹊径,创新性地将视觉信息处理与计算前移至成像过程,从而极大地提高了信息优化计算的自由度,能够在维度、尺度与分辨率上实现质的突破,从而观测到传统成像系统看不清与看不见的场景信息.本文沿着计算摄像学思路、方法与目标三条主线,对国内外研究现状进行分析与综述,期望能够帮助读者更快地了解及进入相关研究.     

Test-Time Optimization for Video Depth Estimation Using Pseudo Reference Depth

In this paper, we propose a learning-based test-time optimization approach for reconstructing geometrically consistent depth maps from a monocular video. Specifically, we optimize an existing single image depth estimation network on the test example at hand. We do so by introducing pseudo reference depth maps which are computed based on the observation that the optical flow displacement for an image pair should be consistent with the displacement obtained by depth-reprojection. Additionally, we discard inaccurate pseudo reference depth maps using a simple median strategy and propose a way to compute a confidence map for the reference depth. We use our pseudo reference depth and the confidence map to formulate a loss function for performing the test-time optimization in an efficient and effective manner. We compare our approach against the state-of-the-art methods on various scenes both visually and numerically. Our approach is on average 2.5× faster than the state of the art and produces depth maps with higher quality.     

Progressive Refinement Imaging

This paper presents a novel technique for progressive online integration of uncalibrated image sequences with substantial geometric and/or photometric discrepancies into a single, geometrically and photometrically consistent image. Our approach can handle large sets of images, acquired from a nearly planar or infinitely distant scene at different resolutions in object domain and under variable local or global illumination conditions. It allows for efficient user guidance as its progressive nature provides a valid and consistent reconstruction at any moment during the online refinement process. Our approach avoids global optimization techniques, as commonly used in the field of image refinement, and progressively incorporates new imagery into a dynamically extendable and memory-efficient Laplacian pyramid. Our image registration process includes a coarse homography and a local refinement stage using optical flow. Photometric consistency is achieved by retaining the photometric intensities given in a reference image, while it is being refined. Globally blurred imagery and local geometric inconsistencies due to, e.g. motion are detected and removed prior to image fusion. We demonstrate the quality and robustness of our approach using several image and video sequences, including handheld acquisition with mobile phones and zooming sequences with consumer cameras.     

在可编程图形硬件上实现图像高动态范围压缩

通过在亮度图像梯度域上对大梯度进行衰减,压缩图像亮度的动态范围,可以使高动态范围图像在被显示时,既能够适应常规的显示硬件,同时又充分保留原始图像的细节信息,使得图像在被观察时能够重现真实场景的亮度效果。文中采用适合由图形处理器加速的快速算法,将整个处理过程通过可编程图形硬件实现,建立快速的图像动态范围压缩技术,建立起适用于高动态范围图像显示的实时应用框架,使之不仅适用于基于图像的动态范围调整的绝大部分情况,还能够成为各种交互式图形应用的核心技术之一。     

一种基于压缩传感的光场采集与重建方法

阵列相机是一种采集光场的常用方法,可以对多路光场直接采集,但是对于每一路光场都需要一台相机设备进行采集,成本较高、体积庞大.本文提出一种基于压缩传感的光场采集与重建方法,这种方法使用少量相机组成稀疏相机阵列采集部分光场,利用超冗余字典,实现原始光场的重建.实验结果表明,稀疏相机阵列可以采集光场,并利用压缩传感技术训练合适的超冗余字典恢复出较高质量的原始光场.     

高动态范围图像在建筑空间非视觉光环境中的运用

高动态范围图像(HDRI)图学技术是利用照相机拍摄不同程度曝光量的照片以获得 最全光亮度信息的技术。非视觉效应影响人体的生理节律,对人类生理和心理健康均起着非常 重要的作用。工业遗产建筑作为特殊建筑类型,如何准确有效的评估建筑空间是否符合非视觉 光环境健康值以及如何改造建筑空间形成更好的光环境具有一定的研究意义。以武汉市平和打 包厂内某建筑作为研究对象,利用 HDRI 图学技术对建筑空间内的非视觉光环境进行评估,结 合仪器实地测量验证光环境问题,并提出相应的建筑空间改造策略。结果证明 HDRI 图学技术 是一种有效的非视觉光环境测量方法,可借此方法研究不同因素对建筑内非视觉健康的影响, 为后续建筑设计及决策提供依据。